System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术属于住房保障,具体而言,涉及一种保障性租赁房人房匹配方法、介质及系统。
技术介绍
1、随着城市化进程的推进,保障性租赁房的需求日益增加,如何有效地将有限的保障性租赁房资源分配给最需要的人群,成为了一个亟待解决的问题。近年来,大数据技术在各个领域得到了广泛应用,为解决保障性租赁房人房匹配问题提供了新的思路。通过对申请者和房源的大数据分析,可以挖掘出潜在的匹配关系,为人房匹配提供科学依据。
2、传统的保障性租赁房人房匹配方法通常是通过人工审查申请者的资料,然后根据申请者的家庭情况、收入水平、住房需求等因素进行初步筛选。之后,再根据筛选出的申请者信息,结合保障性租赁房源的信息,进行人房匹配。然而,这种方法存在以下问题:人工审查效率低:由于申请者的数量众多,人工审查的效率较低,无法满足大规模保障性租赁房人房匹配的需求。信息不完整:传统方法中,申请者和房源信息的获取主要依赖于申请者提交的材料和保障房管理部门的信息登记,这些信息往往不够完整,导致人房匹配的准确性受到影响。匹配准确性不高:传统方法中,人房匹配主要依靠人工经验进行,容易受到主观因素的影响,导致匹配结果的准确性不高。现有技术中对于组织保障性租赁房看房的人房匹配往往仅从申请者申请的房源为出发点进行匹配,不能做到房源和申请者的双向匹配。
技术实现思路
1、有鉴于此,本专利技术提供一种保障性租赁房人房匹配方法、介质及系统,能够解决现有技术中对于组织保障性租赁房看房的人房匹配往往仅从申请者申请的房源为出发点进行匹配,不
2、本专利技术是这样实现的:
3、本专利技术的第一方面提供一种保障性租赁房人房匹配方法,其中,包括以下步骤:
4、s10、根据申请者提交的基本信息得到申请者信息;
5、s20、获取保障性租赁房源的基本信息得到房源信息;
6、s30、根据每个申请者信息和每个房源信息,计算每个房源针对不同申请者的人房匹配度;
7、s40、根据每个保障性租赁房源的人房匹配度对申请者进行分组,得到人房匹配数据集,用于后续安排申请者进行现场看房。
8、在上述技术方案的基础上,本专利技术的一种保障性租赁房人房匹配方法还可以做如下改进:
9、其中,所述根据每个申请者信息和每个房源信息,计算每个房源针对不同申请者的人房匹配度的步骤,具体包括:
10、根据多个申请者的信息构建申请者矩阵x,根据房源信息构建房源矩阵y;
11、利用训练好的权重模型,计算矩阵x的权重矩阵m;
12、计算矩阵x和矩阵m的乘积得到匹配矩阵x_m;
13、对于每个房源,计算该房源矩阵y和匹配矩阵x_m的相似度,作为该房源针对不同申请者的人房匹配度。
14、进一步的,所述权重模型的建立和训练方法为:
15、建立训练样本,包括大量申请者矩阵x,并利用主客观评价的方法对申请者矩阵x进行计算,得到需求矩阵z;
16、利用卷积神经网络建立权重模型雏形,并利用训练样本对权重模型出行进行训练,得到权重模型。
17、进一步的,所述利用主客观评价的方法对申请者矩阵x进行计算,得到需求矩阵z的步骤,具体包括:
18、根据申请者矩阵x建立初始需求矩阵a,a的每个元素为需求指标;
19、利用初始需求矩阵a构建扩展需求矩阵b;
20、对扩展需求矩阵b进行标准化处理,得到规范化需求矩阵c;
21、对规范化需求矩阵c进行主客观组合加权处理,得到加权规范化需求矩阵d;
22、对加权规范化需求矩阵d进行增强处理,得到需求矩阵z。
23、进一步的,所述对规范化需求矩阵c进行主客观组合加权处理,得到加权规范化需求矩阵d的步骤,具体包括:
24、采用熵权法确定每个需求指标的客观权重;
25、获取专家组指定的每个需求指标的主观权重;
26、根据得到的客观权重和主观权重将规范化需求矩阵c转变为加权规范化需求矩阵d。
27、进一步的,所述采用熵权法确定每个需求指标的客观权重的步骤,具体包括:
28、第一步:对所述需求指标进行归一化处理;
29、第二步:对归一化处理之后的需求指标进行标准化处理;
30、第三步:计算每个需求指标的信息熵;
31、第四步:计算每个需求指标的客观权重。
32、进一步的,所述根据得到的客观权重和主观权重将规范化需求矩阵c转变为加权规范化需求矩阵d的步骤,具体包括:
33、计算每个需求指标的客观权重和主观权重的差异度,若差异度大于80%,则以客观权重作为组合权重;否则,则以主观权重和客观权重的平均值作为组合权重;
34、将规范化需求矩阵c每个需求指标乘以对应的组合权重得到加权规范化需求矩阵d。
35、进一步的,所述计算每个需求指标的客观权重和主观权重的差异度的公式为:
36、本专利技术的第二方面提供一种计算机可读存储介质,所述计算机可读存储介质中存储有程序指令,所述程序指令运行时,用于实现上述的一种保障性租赁房人房匹配方法。
37、本专利技术的第三方面提供一种保障性租赁房人房匹配系统,其中,包含上述的计算机可读存储介质。
38、与现有技术相比较,本专利技术提供的一种保障性租赁房人房匹配方法、介质及系统的有益效果是:
39、由于保障性租赁房一般是申请者通过公司的方式进行申请,一个公司会包含多个申请者,一般的,可以将每个公司的申请者信息合并为一个申请者矩阵。同时,以公司为单位,对申请者进行人房匹配计算,以及后期的安排申请者进行现场看房,会有更好的集中性,提高工作效率。同时根据申请者矩阵,采用主客观评价的方法对申请者矩阵x进行计算,避免了实现对申请者的需求指标的纯粹主观评价,提高评价的准确性;另外,采用神经网络建立权重模型,可以得到每个申请者矩阵的权重,本方案并非直接使用神经网络模型从申请者信息计算申请者和房源的匹配度,而是对多个申请者进行房源匹配度计算,可以得到每个房源针对不同申请者的人房匹配度,能够更好的实现人房匹配;
40、同时,本专利技术还具有以下效果:
41、提高了人房匹配的精确度:本专利技术通过对申请者提交的基本信息以及利用大数据采集方式对申请者信息进行完善,同时获取保障性租赁房源的基本信息得到房源信息。在此基础上,根据每个申请者信息和每个房源信息,计算每个房源针对不同申请者的人房匹配度。通过这种方式,本专利技术可以更准确地为申请者推荐适合其需求的保障性租赁房源,从而提高了人房匹配的精确度。
42、提高了租赁效率:在现有技术中,申请者与保障性租赁房源的匹配往往是基于人工经验进行的,这种方式既耗时又容易出错。本专利技术通过自动计算每个保障性租赁房源的人房匹配度,对申请者进行分组,得到人房匹配数据集,用于后续安排申请者进行现场看房。这种方本文档来自技高网...
【技术保护点】
1.一种保障性租赁房人房匹配方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的一种保障性租赁房人房匹配方法,其特征在于,所述根据每个申请者信息和每个房源信息,计算每个房源针对不同申请者的人房匹配度的步骤,具体包括:
3.根据权利要求2所述的一种保障性租赁房人房匹配方法,其特征在于,所述权重模型的建立和训练方法为:
4.根据权利要求3所述的一种保障性租赁房人房匹配方法,其特征在于,所述利用主客观评价的方法对申请者矩阵X进行计算,得到需求矩阵Z的步骤,具体包括:
5.根据权利要求4所述的一种保障性租赁房人房匹配方法,其特征在于,所述对规范化需求矩阵C进行主客观组合加权处理,得到加权规范化需求矩阵D的步骤,具体包括:
6.根据权利要求5所述的一种保障性租赁房人房匹配方法,其特征在于,所述采用熵权法确定每个需求指标的客观权重的步骤,具体包括:
7.根据权利要求6所述的一种保障性租赁房人房匹配方法,其特征在于,所述根据得到的客观权重和主观权重将规范化需求矩阵C转变为加权规范化需求矩阵D的步骤,具体包括:
...【技术特征摘要】
1.一种保障性租赁房人房匹配方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的一种保障性租赁房人房匹配方法,其特征在于,所述根据每个申请者信息和每个房源信息,计算每个房源针对不同申请者的人房匹配度的步骤,具体包括:
3.根据权利要求2所述的一种保障性租赁房人房匹配方法,其特征在于,所述权重模型的建立和训练方法为:
4.根据权利要求3所述的一种保障性租赁房人房匹配方法,其特征在于,所述利用主客观评价的方法对申请者矩阵x进行计算,得到需求矩阵z的步骤,具体包括:
5.根据权利要求4所述的一种保障性租赁房人房匹配方法,其特征在于,所述对规范化需求矩阵c进行主客观组合加权处理,得到加权规范化需求矩阵d的步骤,具体包括:
6.根据权利要...
【专利技术属性】
技术研发人员:李德锋,
申请(专利权)人:青岛仁科信息技术有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。